使用bedtools根据染色体上的起止位置拿到基因symbol
大家在进行各种组学研究的过程中都可能会遇到想要看看包含了某一段染色体的基因有哪些的情况。如果只有几个位置坐标，那可以很方便的在USUC、NCBI或IGV中进行查看，但如果有很多位置坐标，需要批量得到基因symbol，那么bedtools会是一个非常好用的科研工具。jimmy老师在生信技能树也多次分享过bedtools的教程:
使用bedtools的getfasta功能来获取指定坐标上下游的序列 bedtools 用法大全(一文就够吧) 我这里根据教程学习了bedtools并且完成了自己的项目，所以记录并且分享一下：
第一步：将你的染色体位置坐标文件整理成bed格式。
bed格式文件至少包括前3列，分别是：染色体的名字、染色体上的起始位置、染色体上的终止位置。这一步无论用写字板、excel、R等进行处理都可以，文件的后缀名也不重要，因为强行将文件后缀改为bed时，在后面的Linux系统中进行bedtools处理时也会报错。所需的bed格式文件参见下图。
第二步：获得人类基因组的注释文件。
可从gencode中根据自己的需要下载hg38或者hg19版本的人类基因组注释文件(文章中以hg38为例)。这一步可以进gencode官网(https://www.gencodegenes.org/human/)进行本地下载，然后用filezilla等文件传输工具将下载的本地文件传输到服务器。也可以直接在服务器的Linux系统中进行ftp下载。
本地下载：
ftp下载：
获得下载链接后，在Linux系统中输入下面的代码进行ftp下载：
wget ftp://ftp.ebi.ac.uk/pub/databases/gencode/Gencode_human/release_34/gencode.v34.annotation.gtf.gz
第三步：在Linux系统中处理下载的基因组注释文件，得到人类的蛋白编码基因的位置坐标。
在Linux系统中输入下面的代码，得到hg38版本的人类蛋白编码基因的位置坐标：
zcat gencode.v34.annotation.gtf.gz | grep protein_coding |perl -alne '{next unless $F[2] eq "gene" ;/gene_name \"(.*?)\";/; print "$F[0]\t$F[3]\t$F[4]\t$1" }' >protein_coding.hg38.position
第四步：在Linux系统中将自己待处理的bed格式文件转换为Tab键分隔的文件。
先将待处理的坐标bed格式文件链接或复制到第三步得到的结果文件所在的目录下，然后修改这一文件的后缀名为bed，再将这一文件转化为Tab键分隔的后缀名为bed的文件，需输入下面的代码(motif1.bed是自己命名的待处理坐标文件)：
mv motif1.tsv motif1.bed
perl -p -i -e 's/ /\t/g' motif1.bed
如果在第一步的时候已将待处理的bed格式文件保存为了Tab键分隔格式，但是在后面的处理中仍然报错，不妨再进行一次Tab键分隔处理。
第五步：在Linux系统中利用bedtools得到包含染色体位置坐标的蛋白编码基因。
首先需要启动自己安装了bedtools软件的conda小环境，然后输入下面的代码：
bedtools intersect -a motif1.bed -b ~/dna/exercise/protein_coding.hg38.position -wa -wb
也可以对结果进行汇总，将位于相同染色体坐标的基因symbol写在一块，此时只需要加上｜后面的代码即可。| 之前的文件得到的结果有几列，-c后面的数字就写几。如我得到的有7列，-c后面就写7。
bedtools intersect -a motif1.bed -b ~/dna/exercise/protein_coding.hg38.position -wa -wb | bedtools groupby -i - -g 1-4 -c 7 -o collapse
也可以另存结果：
bedtools intersect -a motif1.bed -b ~/dna/exercise/protein_coding.hg38.position -wa -wb | bedtools groupby -i - -g 1-4 -c 7 -o collapse >gene.tsv
新保存的gene.tsv文件就是结果文件了，然后可以拿着结果进行后续处理啦～。
利用bedtools也可以得到编码lncRNA的基因等，大家可以借鉴曾老师的教程进行探索。
如果你看这些软件用法以及Linux命令比较困难，而且时间很宝贵，建议参加生信技能树的学习班：
生信爆款入门-全球听（买一得五）（第5期）（可能是最后一期）你的生物信息学入门课 (必看！)数据挖掘第3期（两天变三周，实力加量），医学生/临床医师首选技能提高课